트란심스

TRANSIMS(TRANSportation ANAlysis SIMulation System)는 지역 교통 시스템 분석을 수행하기 위해 개발된 통합 도구 모음입니다. TRANSIMS를 운송업계가 이용할 수 있는 지속적인 공공 자원으로 확립하는 것을 목표로, TRANSIMS는 NASA 오픈 소스 협정 버전 1.3에 따라 제공된다.

배경

TRANSIMS는 셀룰러 오토마타 마이크로시뮬레이터를 기반으로 지역 교통 시스템 분석을 수행하기 위한 통합 도구 세트다. 그것은 합성 인구와 그들의 활동에 기초하여 개별 여행자와 그들의 다중 모델 교통을 모델링하는 새로운 패러다임을 사용한다. TRANSIMS는 다른 운송 집계 모델에 비해 세부적인 인원과 가구는 물론, 일관되고 지속적으로 시간을 나타낸다. 시간에 의존하는 라우팅과 사람 기반 마이크로시뮬레이터도 다른 집계 모델과 다르다.

방법론

개요

방법론의 목표는 트래픽을 네트워크에 로드하고 내시 평형을 향해 반복하는 것이다. 서브모듈에는 모집단 신디사이저, 활동 발생기, 경로 플래너, 마이크로시뮬레이터가 포함된다. 모듈로부터의 피드백은 등교정 과정이 반복될 때 다음 입력으로 될 것이다. 여행객들은 훨씬 더 나은 경로 대신 전체 인구에 가장 적합한 짧은 경로를 달성하도록 모델링된다. 한 가지 중요한 제약조건은 여행자들이 그들의 여행 욕구를 최적화하기 보다는 여행 조사에 따라 교통수단을 선택하는 것이다.

• 

  기본 TRANSIMS 방법론

입력 데이터

TRANSIMS는 이 단계에서의 운송 스케줄뿐만 아니라 도로 네트워크, 운송 네트워크를 만든다. 보통, 도로망과 교통망은 광역 계획 기관에서 이용할 수 있다. 네트워크는 다른 트래픽 분석 도구에서 TRANSIMS로 입력하기 위해 꽤 간단한 표 형식으로 내보낼 수 있다. TRANSIMS에는 네트워크를 편집하기 위해 여러 기능이 내장되어 있다. 네트워크 편집 및 시각화와 관련하여 몇 가지 일반적인 GIS 도구 및 형식(모양 파일)을 사용할 수 있다. 또한 주 평면 시스템, 범용 횡단 상업 시스템 등과 같은 중요한 지리 정보 시스템을 이해할 수 있다. 네트워크 데이터에는 어려움이 있다. 스트리트 네트워크는 보통 공공 센서스 타이거/라인, 상업용 NavTeq, 특히 MPO가 준비하고 관리하는 네트워크를 통해 이용할 수 있다. 단, 교통신호, 방향전환차선 등 일반적으로 공통 데이터 출처에서 제공하지 않는 많은 세부사항이 필요하다. 또한, 거리 네트워크는 토폴로지적으로 적절해야 하며, 즉 링크 간의 연결이 일관되고 대표적이 되어야 한다. 교통망은 반드시 거리 네트워크 층과 호환되어야 한다. 데이터는 대개 몇 개의 독립된 출처에서 수집해야 한다. 버스는 교통체증과 함께 흐르기 때문에 결과는 원래 버스 시간표와 상충될 수 있다.

인구 합성기

이 단계는 인구통계학적 정보가 실제 인구와 밀접하게 일치하고, 가구 분포가 지역 인구와 공간적으로 근사하게 일치하도록 지역 인구를 모방하는 것이다. 인구 종합의 세부적인 기능으로는 인구조사 블록 그룹 데이터로부터의 합성가구 생성, 각 가구 인구통계 특성(소득, 회원 등), 각 합성가구의 교통망 연계 배치(활동 위치), 각 주택에 대한 차량 배정 등이 있다.오래된(한 가구 내에서 차량 및 승차 공유).^[1][2] 이 단계에는 두 가지 유형의 데이터가 적용된다. STF3 데이터는 블록 그룹이라는 비교적 작은 영역을 설명하는 집계 데이터로, PUMS는 훨씬 더 큰 영역을 포괄하는 데이터를 세분화하고 5% 표본으로 축소한다.^[3][4]

이 단계에 대한 한 가지 어려움은 인구조사 데이터의 추정이 정확하지 않을 수 있다는 것이다. 또한, 가구를 활동 장소에 적절히 배치하기 위해서는 추가적인 토지 이용 자료가 필요하다.

• 

  IMT2000 3GPP - 인구합성기 입력&출력

활동 발생기

이 단계는 가계 활동, 활동 우선 순위, 활동 위치, 활동 시간, 모드 및 여행 선호도를 생성하는 것이다. 이 단계에서는 개별 활동을 할당하기 위해 추가 데이터 입력이 필요하다. 주요 입력 자료는 대표적인 상세 활동 조사다. 일반활동 할당과정은 수집된 사회경제적 자료를 바탕으로 합성가구를 해당 조사가구와의 매칭으로 하는 것이다. 또한, 다양한 합성 가구에 대한 정확한 중복을 피하기 위해 조사 기록에 작은 무작위 변형을 적용한다. 입력 인구 통계에 근거해 가구별 여행 활동 목록이 작성된다. 이러한 활동은 "가정" 또는 "개인" 활동으로 지정될 것이다. 각 활동과 관련된 것은 활동 중요성, 활동 지속시간 및 활동을 수행해야 하는 시간 간격을 정의하는 매개변수 집합이다(예를 들어, 작업은 필수적이므로 반드시 출장을 가야 하지만, 일반적으로 쇼핑은 그만큼 중요하지 않고 주어진 날에 건너뛸 수 있다).f 스케줄링이 너무 어렵다). 의무적인 활동을 위해 가정주소와 직장, 학교주소 등 위치가 제공된다. 다른 활동(쇼핑)의 위치는 지정되어 있지 않다. 설계자는 지역성을 위한 목록에서 이러한 활동들을 선택할 것이다.^[5] 경로 최적화보다는 조사 기록을 바탕으로 모드 선호도를 모델링하기도 한다.

활동 발생기에는 몇 가지 어려움이 있다. 조사의 표본 크기가 제한되면 거친 활동 할당을 할 수 있다. 이는 최근 및 최신 활동 조사의 가용성과 더불어 수동 조정이 필요한 세부 구역 설정 정보에 크게 좌우된다. 마지막으로, 특정 지역에 비논리적 활동 패턴을 발생시킬 수 있다.

경로 플래너

이 단계는 이전에 생성된 개별 활동을 읽은 다음 하루 중 가장 빠른 경로를 결정하는 것이다. 그 노선 설계자는 몇 가지 특징을 가지고 있다. 가구는 승차 공유가 가능하도록 조정된 방식으로 배치된다. 알고리즘은 하루 동안 달라지는 링크 지연에 기초한 네트워크의 시간 의존적 최적화를 포함한다. 라우터는 운송 모드를 선택하지 않지만 주어진 모드에 가장 적합한 경로를 찾는다. 라우터는 잘 알려진 트래픽 할당 함수 BPR+를 사용하여 각 링크를 통해 라우팅된 주행 횟수에 기초하여 링크 지연을 추정하는 것으로 시작한다.^[6] 그런 다음 각 여행에 대한 최적 경로를 결정하고 정확한 여행 계획을 수립한다. 여행 계획은 출발지와 목적지의 모드, 경로, 계획된 출발과 도착 시간의 순서, 그리고 개인들을 활동 장소로 이동시킬 것으로 예상되는 모드 변경 시설의 순서다.^[7]

• 

  경로 플래너 입력 및 출력

마이크로시뮬레이터

이 단계는 네트워크 전체에 걸쳐 라우터에 의해 만들어진 모든 이동 계획을 2차로 실행하는 것이다. 셀룰러 오토마타 원칙을 사용하여 개별 차량 간의 상호작용을 분석한다. 마이크로시뮬레이터는 모든 여행자와 차량의 개별 위치를 항상 생산한다. 마이크로시뮬레이터와 라우터는 네트워크에서 할당된 트래픽을 평형화하기 위해 반복 루프에서 작동한다. 마이크로시뮬레이터는 그러한 여행 계획을 따르고 이전에 라우터에 의해 사용된 것을 대체하는 데 사용되는 일련의 새로운 링크 지연을 결정한다. 이 과정은 평형이 달성될 때까지 반복된다.

• 

  마이크로시뮬레이터 입력 및 출력

피드백

피드백은 라우터와 마이크로시뮬레이터 사이에서 반복되는 등교정 프로세스에 적용된다. 피드백 모듈을 통해 일부 노선은 실현 불가능한 것으로 확인될 수 있다. 그런 다음 이러한 활동은 적절한 대안을 결정하기 위해 활동 발생기로 다시 전달된다. 마이크로시뮬레이터에서는 시간 의존적인 도로 폐쇄 및 기타 트리거로 인해 일부 트립 계획을 따를 수 없다. 이 경우, 그러한 계획을 가진 개인은 새로운 라우팅 제안을 위해 라우터에 다시 전달된다.

결과.

TRANSIMS는 기존의 분석 툴과 견줄 만한 집계 결과를 창출할 수 있다. 예를 들어, 특정 시간에 모든 여행자의 정확한 위치와 같은 매우 상세한 스냅샷 데이터로 이어질 수 있다. 데이터 양이 이해하기 어렵기 때문에 결과를 효과적으로 시각화할 필요가 있다. 일반적으로 사용되는 시각화 도구로는 오리지널 TRANS 시각화기, 4Dscape 및 Balfour(소프트웨어) 시각화기, ArcGIS 및 이와 유사한 GIS 도구, Google 어스와 NASA World Wind, 고급 시각화(NCSA), NEXTA 등이 있다.

적용들

교통업계에서는 TRANSIMS가 얼마나 널리 채택될 것인가에 대해 많은 논의가 있어 왔으며, 여러 사상의 학교들이 생겨날 것이다. 회의론자들은 대용량 데이터 요구사항, 컴퓨터 요구사항, 교육 요구사항으로 인해 TRANSIMS의 사용이 소수의 가장 큰 MPO로 제한될 것이라고 믿는다. 두 번째 사고방식은 규제 요건이 많은 지역에서 TRANSIMS를 빠르게 사용하도록 강제할 것이라는 것이다. 이러한 TRANSIMS의 가속화된 채택은 영향을 받는 지역을 지원하는 프로젝트 직원의 능력을 초과할 수 있다. 최종적인 사고방식은 TRANSIMS가 초기에 특히 정교한 운송 계획 질문을 가진 대형 MPO에 의해 주로 사용될 것이라는 것이다. 이후 TRANSIMS는 소규모 직원과 서로 다른 분석 요구를 가진 MPO에 더 적합한 버전으로 진화할 것이다. 이전 소프트웨어에 대한 경험을 통해 이 마지막 시나리오가 가장 가능성이 높다는 것을 알 수 있다. 그것은 또한 새로운 기술을 가장 많은 청중들에게 덜 고통스러운 방법으로 가져다 주는 가장 전도유망한 시나리오다.^[8]

댈러스 사례 연구

댈러스 사건은 도시 지역의 각 개인의 여행 일정을 실행할 수 있을 만큼 강력할 TRANSIMS의 마이크로 시뮬레이션 개발에 초점을 맞췄다. 개발된 마이크로시뮬레이션은 자동차 여행에 한정되었고, 기존 NCTCOG의 지역 생산/매도 정보를 시스템에 대한 여행자 수요의 원천으로 사용하는 방법이 개발되었다. 미시적 시뮬레이션은 약 20만 번의 (오전 5시에서 10시 사이) 연구 구역 내와 65km를² 통과하는 여행을 수행했다. 5대의 SUN SPARC 워크스테이션("실시간"은 5시간이 소요됨을 의미한다.^[9]

포틀랜드 사례 연구

달라스에서 탐구된 "실제 세계" 계획 질문과 대조적으로, 포틀랜드 사례 연구는 TRANSIMS의 결과와 민감도에 대한 다양한 유형의 데이터의 영향을 탐구했다. 댈러스를 위해 개발된 노선 계획자와 마이크로 시뮬레이션 기능이 대형 차량, 환승 차량, 환승 승객 등으로 확대되었다. 여기에는 모든 운송 차량 일람표, 철도 및 버스의 서로 다른 작동 특성, 운송 차량과 개인 차량의 상호작용을 시뮬레이션하는 복잡한 작업이 포함된다. 두 가지 민감도 테스트가 검토되고 있었다. 첫 번째 실험은 지역의 모든 거리를 사실적으로 코드화하는 대신에 합성 지방 거리를 생성하는 효과를 시험했다. 2차 시험은 교통신호계획을 종합하는 효과를 탐구했다. 이것들과 다른 모델 민감도를 테스트하기 위해 포틀랜드 직원들은 실제 지역 도로와 교통 신호 계획을 종합 결과와 비교하기 위해 조립했다.^[10] 이러한 테스트는 데이터 합성이 TRANSIMS 모델의 민감도에 미치는 영향을 결정했다.

참조